买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆理工大学申请的专利一种基于多任务学习的轻量化人脸姿态估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116110104B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310130754.8，技术领域涉及：G06V40/16；该发明授权一种基于多任务学习的轻量化人脸姿态估计方法是由葛广辉;傅由甲设计研发完成，并于2023-02-17向国家知识产权局提交的专利申请。

本一种基于多任务学习的轻量化人脸姿态估计方法在说明书摘要公布了：本发明公开了一种基于多任务学习的轻量化人脸姿态估计方法，利用了人脸姿态与特征点的强相关性设计了以倒置残差作为主干网络的轻量化人脸对齐与姿态估计模型，模型中的姿态估计任务网络使用低维信息量的姿态旋转矩阵作为输出来表示人脸姿态，能解决欧拉角连续旋转导致的信息丢失问题，并解决普通旋转矩阵的信息冗余问题；同时，模型中引入人脸对齐任务网络与姿态估计任务网络构成序列共享策略的单分支网络，来对姿态估计任务网络处理得到的中间特征图继续进行倒置残差下采样和卷积处理，得到人脸特征点坐标矩阵；据此进行人脸对齐与姿态估计，能够减少多任务学习模型的复杂度，并经过多任务学习，能很好的保证人脸姿态估计与对齐的精度。

本发明授权一种基于多任务学习的轻量化人脸姿态估计方法在权利要求书中公布了：1.一种基于多任务学习的轻量化人脸姿态估计方法，其特征在于，获取待处理人脸图像，利用卷积网络提取所述待处理人脸图像得到相应的卷积特征图，然后将待处理人脸图像的卷积特征图输入至经过预先训练的轻量化人脸对齐与姿态估计模型，得到待处理人脸图像的人脸对齐与姿态估计信息； 所述轻量化人脸对齐与姿态估计模型包括基于倒置残差的姿态估计任务网络和基于倒置残差的人脸对齐任务网络； 所述姿态估计任务网络用于对待处理人脸图像的卷积特征图进行倒置残差处理和卷积处理，将倒置残差处理得到的待处理人脸图像的中间特征图输出至人脸对齐任务网络，并对姿态估计任务网络内的各处理结果进行全连接多尺度融合处理，得到待处理人脸图像的姿态旋转矩阵； 所述人脸对齐任务网络用于对所述中间特征图进一步进行倒置残差处理和卷积处理，并对人脸对齐任务网络内的各处理结果进行全连接多尺度融合处理，得到待处理人脸图像的人脸特征点坐标矩阵； 所述待处理人脸图像的姿态旋转矩阵和人脸特征点坐标矩阵作为人脸对齐与姿态估计信息，用以进行人脸姿态估计；所述轻量化人脸对齐与姿态估计模型的训练方式为： 将预先完成人脸姿态估计及人脸特征点标记的人脸样本图像构成的训练集输入所述轻量化人脸对齐与姿态估计模型，构建包含姿态估计任务损失函数和人脸对齐任务损失函数的总损失函数，以最小化总损失函数为目标对轻量化人脸对齐与姿态估计模型的模型参数进行优化更新，进而对轻量化人脸对齐与姿态估计模型进行训练； 所述姿态估计任务损失函数为： 其中，Rp为姿态估计任务网络预测人脸样本图像的姿态旋转矩阵，Rgt为人脸样本图像的真实标签姿态旋转矩阵；tr·为矩阵的迹运算符；T为转置符号； 所述人脸对齐任务损失函数为： 其中，为姿态估计任务网络预测人脸样本图像的人脸特征点坐标矩阵中第i个特征点的位置坐标，Pix,y为人脸样本图像的真实标签人脸特征点坐标矩阵中第i个特征点的位置坐标，i∈{1,2,…,N}，N为特征点个数；||·||表示L2范数运算； 总损失函数L为姿态估计任务损失函数L1和人脸对齐任务损失函数L2的加权求和： L＝L1+λL2； λ为权重系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆理工大学，其通讯地址为：400054 重庆市巴南区李家沱红光大道69号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。